向您推荐《液晶与显示》——中文核心期刊

《液晶与显示》是中国最早创办的液晶学科专业期刊,也是中国惟一的液晶学科和显示技术领域中综合性专业学术期刊。它由中国科学院长春光学精密机械与物理研究所、中国光学光电子行业协会液晶专业分会和中国物理学会液晶分会主办,科学出版社出版。《液晶与显示》以研究报告、研究快报、综合评述和产品信息等栏目集中报道国内外液晶学科和显示技术领域中最新理论研究、科研成果和创新技术,及时反映国内外本学科领域及产业信息动态,是宣传、展示我国该学科领域和产业科技创新实力与硕果,进行国际交流的平台。本刊是英国《科学文摘》     

因素空间理论与知识表示的数学框架（Ⅷ）─—变权综合原理

本文是文［１－７］的继续，研究变权综合问题，从确定变权的经验公式入手引出了变权原理，给出了变权的公理化定义，讨论了与之有关的均衡函数及其梯度向量。     

原子力显微镜在分子细胞生物学研究中的应用

 1986年秉霖(G.Binning)等在扫描隧道显微镜的基础上发明了原子力显微镜(Atomicforcemicro-scope,AFM)。这种显微镜的放大倍数远远超过以往的任何显微镜,可以直接观察物质的分子和原子组成,这为微观世界的探索提供了理想的工具。AFM不仅可以以高分辨率表征样品表面形貌,分析研究与作用力相对应的各种表面性质,并可对样品的分子或原子进行纳米级力加工,也能对活的生命样品进行实时动态观测。这些特性使AFM在生命科学特别是在分子细胞生物学的研究中占据着独特的地位。一、AFM对细胞表面结构的研究AFM的样品制备简单,只需作一个渗涂片并在空气中干燥,且不需特殊的染色和固定;它的     

Application of Hilbert＇s Projective Metric on Symmetric Cones

Let Ω be a symmetric cone. In this note, we introduce Hilbert＇s projective metric on Ω in terms of Jordan algebras and we apply it to prove that, given a linear invertible transformation g such that g（Ω） = Ω and a real number p, ｜p｜ 〉 1, there exists a unique element x ∈ Ω satisfying g（x） = x^p.     

基于MATLAB的异步电动机线性化控制系统的仿真

从异步电动机在同步旋转坐标系下的状态方程出发，在一定的条件下，对其系数矩阵简化．推出异步电动机的线性化控制模型．并基于该模型得出异步电动机的线性化控制系统．以给定电机为例，对该模型的有效性、响应用MATLAB进行仿真分析．验证的结果说明上述模型具有实用价值．     

存储区域网络中冗余路径的研究

应用马尔科夫可用性模型得出了冗余路径的带故障切换时间的状态转换图，分析了平均无故障时间、平均故障修复时间以及故障切换时间对可用性的影响，冗余路径提高了系统的可用性．应用排队系统建立了冗余路径的I／O处理模型，分析表明采用冗余路径驱动程序的负载均衡算法后，I／O平均响应时间随着吞吐能力的提高而降低．实验数据证实了这一结论．     

MC模式下顾客需求与厂商供应的纳什均衡

在大规模定制(MC，Mass Customization)模式下，基于市场需求的复杂化，厂商对个性化的顾客需求很难做出及时准确的反应，而且由于其自身生产能力的限制，不可能对所有的个性化用户进行一一地满足，只可能对已经存在的个性化需求，根据自身的生产能力和规模，以利润最大化及顾客对产品的满意度为目标，对个性化需求进行较准确地预测，从而正确指导生产。本通过博弈论的方法，提出了一个基于顾客对产品的满意度及企业的利润的一个非合作博弈模型，并给出求解纳什均衡的方法。     

线性均衡约束最优化的一个广义投影强次可行方向法

本文讨论带线性均衡约束最优化问题,首先利用摄动技术和一个互补函数将问题等价转化为一般约束最优化问题,然后结合广义投影技术和强次可行方向法思想,建立了问题的一个新算法.算法在迭代过程中保证搜索方向不为零,从而使得每次迭代只需计算一次广义投影.在适当的条件下,证明了算法的全局收敛性,并对算法进行了初步的数值试验.     

Local Prediction of Chaotic Time Series Based on Support Vector Machine

Based on phase space delay-coordinate reconstruction of a chaotic dynamics system, we propose a local prediction of chaotic time series using a support vector machine （SVM） to overcome the shortcomings of traditional local prediction methods. The simulation results show that the performance of this proposed predictor for making onestep and multi-step prediction is superior to that of the traditional local linear prediction method and global SVM method. In addition, it is significant that its prediction performance is insensitive to the selection of embedding dimension and the number of nearest neighbours, so the satisfying results can be achieved even if we do not know the optimal embedding dimension and how to select the number of nearest neighbours.